[KDD | 论文简读] 时间序列Transformer的任务感知重构
2023-06-13 09:16:24 时间
简读分享 | 龙文韬 编辑 | 乔剑博
论文题目
TARNet: Task-Aware Reconstruction for Time-Series Transformer
论文摘要
时间序列数据包含时间顺序信息,可以指导预测终端任务(如分类、回归)的表征学习。最近,有人尝试利用这些顺序信息,首先通过重构随机屏蔽时间段的时间序列值来预训练时间序列模型,然后在同一数据集上进行任务微调,最终证明任务性能的提高。然而,这种学习范式将数据重构与最终任务分离开来。作者认为,以这种方式学习的表征不受最终任务的影响,因此对于最终任务的表现来说可能是次优的。事实上,在不同的最终任务中,不同时间戳的重要性可能有显著差异。作者相信,通过重构重要的时间戳学习的表征将是改善任务性能的更好策略。在这项工作中,作者提出了TARNet(任务感知重构网络),这是一种使用Transformer来学习任务感知数据重构的新模型,可以增强终端任务的性能。具体来说,作者设计了一个数据驱动的掩蔽策略,使用来自终端任务训练的自我注意得分分布,对终端任务认为重要的时间戳进行采样。然后,作者屏蔽这些时间戳上的数据并重构它们,从而使重建工作具有任务意识。该重建任务与结束任务在每个epoch交替训练,共享单个模型中的参数,允许通过重建学到的表征来提高最终任务的性能。在数十个分类和回归数据集上的大量实验表明,TARNet在所有评估指标上的表现都明显优于最先进的基线模型。
论文链接
https://doi.org/10.1145/3534678.3539329
相关文章
- 动态规划应用–最长递增子序列 LeetCode 300[通俗易懂]
- 美丽序列(动态规划)
- 2022人工智能顶会时间序列论文汇总。
- 求栅格序列每个像元的变化趋势和对应P值
- 【人体运动生成】开源 | 第一个能够从自然语言或音频序列生成人体动作序列的统一驱动引擎UDE,性能SOTA!
- 【Android RTMP】RTMP 数据格式 ( FLV 视频格式分析 | AVC 序列头格式解析 )
- postgresql 实现更新序列的起始值
- 二叉搜索树的后序遍历序列算法详解编程语言
- Oracle中创建连续数字序列的方法(oracle连续数字)
- 瞬息万变火力全开的Redis时间序列数据库(时间序列数据库redis)
- Oracle传递建立序列(oracle传建序列)
- 使用Redis轻松实现递增序列(redis递增序列)
- Oracle 序列让应用生成有规律的排序编号(oracle _seq)